Trabajo Final
Hernan Baulo D
2023-10-09
title: “Informe sobre Techos Verdes en Buenos Aires” author: “Hernan Baulo Darhanpé” date: “Octubre 2023” output: html_document
TRABAJO FINAL (Instrumentos de Análisis Urbanos II)
El TP se desarrollará en un informe formato Rmarkdown (.Rmd)
Paso 1: Planteo de la pregunta y mínima presentación del tema.
Introducción
Este informe tiene como objetivo analizar el dataset de techos verdes en Buenos Aires y responder a la pregunta: ¿Cuál es la distribución de los techos verdes en la ciudad?
Preguntas de Investigación
- ¿Cuántos techos verdes existen en Buenos Aires?
- ¿Cuál es la superficie total de techos verdes por barrio en la ciudad?
- ¿Cuál es la ubicación geográfica de los techos verdes más grandes?
Paso 2: Descripción de los pasos y posibles obstáculos
Cargar paquetes necesarios
library(tidyverse)Paso 3:Importación de datos o acceso de los mismos
Obtener y cargar los datos
url <- "https://cdn.buenosaires.gob.ar/datosabiertos/datasets/agencia-de-proteccion-ambiental/mapa-techos-verdes/mapa-techos-verdes.csv"
techos_verdes <- read.csv(url)Importación de datos o scrapping
En este paso, ya hemos importado los datos del dataset de la web (BA data).
Exploración inicial de los datos (head y summary)
head(techos_verdes)summary(techos_verdes)## WKT id id_techo publico_pr edificio direccion superficie fecha_ins emprendimiento proyecto construccion
## Length:29 Min. : 1 Min. : 1.00 Length:29 Length:29 Length:29 Min. : 0.0 Min. :2002 Length:29 Length:29 Length:29
## Class :character 1st Qu.: 9 1st Qu.: 9.00 Class :character Class :character Class :character 1st Qu.: 30.0 1st Qu.:2011 Class :character Class :character Class :character
## Mode :character Median :61 Median :61.00 Mode :character Mode :character Mode :character Median : 196.5 Median :2013 Mode :character Mode :character Mode :character
## Mean :45 Mean :44.86 Mean : 755.6 Mean :2012
## 3rd Qu.:80 3rd Qu.:80.00 3rd Qu.: 582.2 3rd Qu.:2014
## Max. :89 Max. :88.00 Max. :6500.0 Max. :2018
## NA's :1
## tipo_cubierta calle calle_nro calle2 barrio comuna
## Length:29 Length:29 Min. : 200 Length:29 Length:29 Length:29
## Class :character Class :character 1st Qu.:1022 Class :character Class :character Class :character
## Mode :character Mode :character Median :2263 Mode :character Mode :character Mode :character
## Mean :2391
## 3rd Qu.:2936
## Max. :7350
## NA's :4Paso 4: Limpieza y transformación de datos
Eliminar filas duplicadas
techos_verdes <- techos_verdes[!duplicated(techos_verdes), ]Tratamiento de valores faltantes
techos_verdes <- techos_verdes %>% drop_na()Transformación de variables
techos_verdes\(Superficie <- as.numeric(gsub(",", ".", techos_verdes\)Superficie))
Paso 5: Visualización de la información
library(ggplot2)Paso 5: Visualización de la información
Gráfico de barras de la cantidad de techos verdes por barrio
ggplot(techos_verdes, aes(x = barrio)) +
geom_bar() +
labs(title = "Cantidad de Techos Verdes por Barrio")
A continuacion se acomodan las etiquetas
ggplot(techos_verdes, aes(x = barrio)) +
geom_bar() +
labs(title = "Cantidad de Techos Verdes por Barrio") + theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))
library(dplyr)Aqui se destacan los barrios con mas techos verdes agrgandoles color
ggplot(techos_verdes, aes(x = barrio)) +
geom_bar() +
labs(title = "Cantidad de Techos Verdes por Barrio") + theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) + geom_bar(data = techos_verdes %>%
filter(barrio == "Monserrat"),
fill = "red") +
geom_bar(data = techos_verdes %>%
filter(barrio == "Recoleta"),
fill = "orange")
A continuacion secomparan los barrios pero reuniendo la superficie total de techos verdes por barrio. Para esto se crea un nuevo dataset (superficie_barrios) con la suma
superficie_barrios <- techos_verdes %>%
group_by(barrio) %>%
summarize(superficie_Total = sum(superficie))Se oredenan los datos de mayor a menor
superficie_barrios <- superficie_barrios %>%
arrange(desc(superficie_Total))Se crea un grafico de barras para comparar ahora los barrios de acuerdo con las superficies
ggplot(superficie_barrios, aes(x = reorder(barrio, -superficie_Total), y = superficie_Total)) +
geom_bar(stat = "identity", fill = "blue") +
labs(title = "Comparacion de Superficie de Techos Verdes por Barrio",
x = "Barrio",
y = "Superficie Total en m2") +
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
A continuación se cargan las librerias geoAR y leaflet para generar un mapa interactivo con la localizacion del Barrio de Monserrat
library(geoAr)library(leaflet)leaflet() %>%
addMarkers(lng = -58.38307578552556, lat=-34.61297370705064) %>%
geoAr::addArgTiles()Luego se suma al mapa la geolocalizacion de las cubiertas del DOT en Saavedra, Belgrano y Nuñez que son la superficies verdes mas importantes de CABA incluida en el dataset
leaflet() %>%
addCircles(lng = -58.487777771958, lat = -34.5453295637046, color = "green", radius = 300) %>%
addCircles(lng = -58.4466777777443, lat = -34.5471910926648, color = "green", radius = 200) %>%
addCircles(lng = -58.4513817563059, lat = -34.5604242454826, color = "green", radius = 200) %>%
addCircles(lng = -58.4734837459416, lat = -34.5402781887907, color = "green", radius = 100) %>%
geoAr::addArgTiles()Comentarios finales
Conclusiones:
En el presente informe, hemos examinado el conjunto de datos relacionados con techos verdes en la ciudad de Buenos Aires y hemos respondido a nuestras preguntas de investigación. Durante este análisis, hemos observado una diversa distribución de techos verdes en varios barrios de la ciudad. Notablemente, Monserrat encabeza la lista con la mayor cantidad de techos verdes, seguido de cerca por el barrio de Recoleta.
Sin embargo, es fundamental destacar que la importancia de estos techos verdes no solo radica en su cantidad, sino principalmente en su superficie. Esto se debe a que la superficie de estos techos representa, en última instancia, una contribución significativa al área absorbente en la superficie urbana impermeabilizada, además de desempeñar un papel crucial en la mitigación de los efectos de la isla de calor en la ciudad.
Al observar los resultados desde esta perspectiva, notamos que el orden de importancia se reconfigura de manera significativa. En este nuevo enfoque, el barrio de Saavedra se destaca como el principal contribuyente en términos de superficie de techos verdes en la ciudad. Esto se evidencia claramente en el mapa, donde la concentración de techos verdes se encuentra principalmente en la cubierta del DOT. Seguido por los barrios de Belgrano y Nuñez.
Es importante tener en cuenta que, aparte de los hallazgos, debemos considerar las limitaciones de los datos utilizados en este estudio. Esto incluye posibles deficiencias en la actualización de la información o en la calidad de los datos recopilados, factores que podrían influir en nuestras conclusiones.
Obstáculos/Desafios:
Durante el proceso, enfrentamos el desafío de tratar los valores faltantes y transformar la variable de superficie en un formato numérico. Además, la importancia de pensar el analisis en terminos de las varibales significativas en el marco del estudio. Finalmente es importante tener en cuenta que este análisis es preliminar y podría requerir un estudio más detallado en el futuro.
library(distill)